Unet CNN输入适配问题求助：脑语义分割任务维度不兼容

一、to_categorical 因切片缺失类别报错的解决 #

• 手动构建独热编码矩阵：放弃直接用to_categorical，自己初始化一个(height, width, 4)的零矩阵，再根据掩码里的类别索引给对应位置赋值1，示例代码：

  def custom_to_categorical(mask, num_classes=4):
      height, width = mask.shape
      one_hot = np.zeros((height, width, num_classes), dtype=np.float32)
      for cls in range(num_classes):
          one_hot[mask == cls, cls] = 1.0
      return one_hot
  

• 过滤不合格切片：如果允许丢弃这类样本，在数据生成器里检查掩码的唯一值数量，不足4类就跳过该切片。

二、输入维度不兼容（期望4维输入，实际接收(None, None, None)）的解决 #

• 补全通道维度：单模态输入必须是4维张量(batch_size, height, width, 1)，如果你的数据是3维(batch, h, w)，要在最后加通道维度，正确用expand_dims的方式：

  # x为单模态切片，形状(batch_size, h, w)
  x = tf.expand_dims(x, axis=-1)  # 转换后形状为(batch_size, h, w, 1)
  

• 检查模型输入层定义：确保DR-Unet104的输入层明确包含通道维度，比如：

  input_layer = Input(shape=(None, None, 1))  # 单模态输入必须指定通道数1
  

• 排查集成阶段的维度匹配：集成4个单模态模型时，要保证每个模型的输出维度一致，比如都是(batch, h, w, 4)，再用Concatenate或Average这类层做集成，避免维度不匹配。

内容的提问来源于stack exchange，提问作者roach